Rasa Sakit Itu Tak Tertahankan. Jadi Mengapa Dokter Menolaknya?


Alasan pemotongan ini tidak berhasil, menurut beberapa ahli, adalah karena mereka gagal menargetkan pasien dengan risiko tertinggi. Sekitar 70 persen orang dewasa telah menggunakan opioid medis—namun hanya 0,5 persen yang menderita apa yang secara resmi diberi label “gangguan penggunaan opioid”, yang lebih umum disebut kecanduan. Satu studi menemukan bahwa bahkan dalam kelompok usia dengan risiko tertinggi, remaja dan orang-orang berusia awal dua puluhan, hanya satu dari setiap 314 pasien yang diasuransikan secara pribadi yang telah diberi resep opioid mengalami masalah dengan mereka.

Para peneliti telah mengetahui selama bertahun-tahun bahwa beberapa pasien berisiko lebih tinggi untuk kecanduan daripada yang lain. Penelitian telah menunjukkan, misalnya, bahwa semakin buruk pengalaman masa kecil yang dialami seseorang—seperti dilecehkan atau diabaikan atau kehilangan orang tua—semakin besar risikonya. Faktor risiko besar lainnya adalah penyakit mental, yang mempengaruhi setidaknya 64 persen dari semua orang dengan gangguan penggunaan opioid. Tetapi sementara para ahli menyadari bahaya ini, mereka tidak memiliki cara yang baik untuk mengukurnya.

Itu mulai berubah ketika epidemi opioid meningkat dan permintaan tumbuh untuk alat sederhana yang dapat memprediksi risiko pasien dengan lebih akurat. Salah satu yang pertama dari langkah-langkah ini, Alat Risiko Opioid (ORT), diterbitkan pada tahun 2005 oleh Lynn Webster, mantan presiden American Academy of Pain Medicine, yang sekarang bekerja di industri farmasi. (Webster sebelumnya juga menerima biaya berbicara dari produsen opioid.)

Untuk membangun ORT, Webster memulai dengan mencari studi yang mengukur faktor risiko spesifik. Seiring dengan literatur tentang pengalaman masa kanak-kanak yang merugikan, Webster menemukan penelitian yang menghubungkan risiko dengan riwayat kecanduan pribadi dan keluarga — tidak hanya dengan opioid tetapi juga dengan obat lain, termasuk alkohol. Dia juga menemukan data tentang peningkatan risiko dari gangguan kejiwaan tertentu, termasuk gangguan obsesif-kompulsif, gangguan bipolar, skizofrenia, dan depresi berat.

Mengumpulkan semua penelitian ini bersama-sama, Webster merancang kuesioner pasien singkat yang dimaksudkan untuk mencari tahu apakah seseorang memiliki salah satu faktor risiko kecanduan yang diketahui. Kemudian dia menemukan cara menjumlahkan dan memberi bobot pada jawaban untuk menghasilkan skor keseluruhan.

ORT, bagaimanapun, kadang-kadang sangat miring dan dibatasi oleh sumber datanya. Misalnya, Webster menemukan sebuah penelitian yang menunjukkan bahwa riwayat pelecehan seksual pada anak perempuan meningkatkan risiko kecanduan tiga kali lipat, jadi dia memasukkan pertanyaan yang menanyakan apakah pasien pernah mengalami pelecehan seksual dan mengkodifikasikannya sebagai faktor risiko—untuk wanita. Mengapa hanya mereka? Karena tidak ada studi analog yang dilakukan pada anak laki-laki. Bias gender yang diperkenalkan ke ORT ini sangat aneh mengingat dua pertiga dari semua kecanduan terjadi pada pria.

ORT juga tidak memperhitungkan apakah pasien telah diberi resep opioid untuk waktu yang lama tanpa menjadi kecanduan.

Webster mengatakan bahwa dia tidak bermaksud agar alatnya digunakan untuk menolak pengobatan nyeri—hanya untuk menentukan siapa yang harus diawasi lebih dekat. Namun, sebagai salah satu penyaring pertama yang tersedia, dengan cepat diterima oleh dokter dan rumah sakit yang ingin tetap berada di sisi kanan krisis opioid. Hari ini, telah dimasukkan ke dalam beberapa sistem catatan kesehatan elektronik, dan sering diandalkan oleh dokter cemas tentang overprescription. Ini “sangat, sangat luas digunakan di AS dan lima negara lain,” kata Webster.

Dibandingkan dengan skrining risiko opioid awal seperti ORT, NarxCare lebih kompleks, lebih kuat, lebih berakar pada penegakan hukum, dan jauh lebih tidak transparan.

Appriss dimulai pada 1990-an membuat perangkat lunak yang secara otomatis memberi tahu korban kejahatan dan “warga yang peduli” lainnya ketika seseorang yang dipenjara akan segera dibebaskan. Kemudian pindah ke perawatan kesehatan. Setelah mengembangkan serangkaian database untuk memantau resep, Appriss pada tahun 2014 memperoleh apa yang kemudian menjadi algoritma yang paling umum digunakan untuk memprediksi siapa yang paling berisiko untuk “penyalahgunaan zat yang dikendalikan,” sebuah program yang dikembangkan oleh National Association of Boards of Pharmacy, dan mulai mengembangkan dan mengembangkannya. Seperti banyak perusahaan yang menyediakan perangkat lunak untuk melacak dan memprediksi kecanduan opioid, Appriss sebagian besar didanai, baik secara langsung maupun tidak langsung, oleh Departemen Kehakiman.

NarxCare adalah salah satu dari banyak algoritma prediktif yang telah berkembang biak di beberapa domain kehidupan dalam beberapa tahun terakhir. Dalam pengaturan medis, algoritma telah digunakan untuk memprediksi pasien mana yang paling mungkin mendapat manfaat dari perawatan tertentu dan untuk memperkirakan kemungkinan pasien di ICU akan memburuk atau meninggal jika dipulangkan.

Secara teori, membuat alat semacam itu untuk memandu kapan dan kepada siapa opioid diresepkan dapat membantu, bahkan mungkin untuk mengatasi ketidakadilan medis. Studi telah menunjukkan, misalnya, bahwa pasien kulit hitam lebih mungkin untuk ditolak pengobatan untuk rasa sakit, dan lebih cenderung dianggap sebagai mencari obat. Prediktor yang lebih objektif dapat—sekali lagi, secara teori—membantu pasien yang kekurangan pengobatan mendapatkan perawatan yang mereka butuhkan.

Diposting oleh : joker123